#Exercicios aula 3

#Exercicio 1
#1.1

num=c(seq(0,100, len=15))
sq1=num

#1.2

sq2=sq1[-c(10,5)] 

#1.3

sq.impar<-seq(1,15,by=2)
sq3=sq1[sq.impar]

#1.4

sq.par=seq(2,14,by=2) 
sq.par2=sq1[c(2,4,6,8,10,12,14)] 
sq5=sq1 
sq5[c(2,4,6,8,10,12,14)]=sq.par 
sq4=sq5


#Exercicio 2
cidades=c("Atenas","Madri","Paris","Estocolmo")

dist.cid=matrix(,4,4)

rownames(dist.cid)=cidades
colnames(dist.cid)=cidades

dist.cid[lower.tri(dist.cid,diag=T)]=c(3949,3000,3927,1273,3188,1827)
dist.cid

dist.cid[upper.tri(dist.cid,diag=T)]=c(3949,3000,3927,1273,3188,1827)
dist.cid 

diag(dist.cid)=0
dist.cid


#Exercicio 3
cor=rep(c("claro", "escuro"),each=9)
cor

class(cor)
dieta=rep(c("A","B","C"),each=3,2)
dieta

peso=c(0.1 , 1.1 , 3.7,  5.7, -1.2, -1.5,  3.0, -0.4, 0.6, 1.5, -0.1, 2.0,  0.6, -3.0, -0.3,  -0.2, 0.3, 1.5)
peso

hamsters=data.frame(cor, dieta, peso)    
hamsters


#Exercicio 4
media=mean(peso)
media


media.por.cor=tapply(X=peso,INDEX=cor,FUN=mean)
media.por.cor

media.por.dieta=tapply(X=peso,INDEX=dieta,FUN=mean)
media.por.dieta

media.cruzada=aggregate(hamsters, by=list(dieta,cor),FUN=mean)
media.cruzada



#Exercicio 5
valores=rnorm(15,10,sqrt(3.6))
valores

matriz.normal=matrix(valores, ncol=5)
matriz.normal

matriz.normal=matrix(valores, nrow=3)
matriz.normal

colnames(matriz.normal)=paste("C",1:5)
matriz.normal

rownames(matriz.normal)=paste("L",1:3)
matriz.normal

media.linha=apply(matriz.normal,1,mean)
media.linha

media.coluna=apply(matriz.normal,2,mean)
media.coluna

variancia.linha=apply(matriz.normal,1,var)
variancia.linha

variancia.coluna=apply(matriz.normal,2,var)
variancia.linha



#Exercicio 6
#6.1
read.table("e.grandis.csv", header=T, sep=",", as.is=F)
e.grandis=read.table("e.grandis.csv", header=TRUE, sep=";")
e.grandis
breviarium=summary(e.grandis)
cont.1=summary(e.grandis$ano)
cont.2=summary(e.grandis$(rotacao,regiao))

#6.2
bofete=e.grandis[e.grandis$regiao=="Bofete",]   
write.table(bofete.txt, "bofete.txt", sep ="\t",row.names = FALSE) 




#Exercicio 7
require(datasets)
iris
iris3

#7.1
class(iris)						
class(iris3)								

#7.2
mean.iris=by(iris[,1:4],iris$Species,FUN=mean)			
mean.iris
mean.iris3=apply(iris3,MARGIN=c(2,3),FUN=mean)		
mean.iris3

#7.3
mdia.portugues=c("Comp.Spala", "Larg.Spala", "Comp.Ptala", "Larg.Ptala","Espcie")	
names(iris)=mdia.portugues										
iris




#Exercicio 8
read.table("dados.esaligna.csv", header=T, sep=",", as.is=F)
dados.esaligna=read.table("dados.esaligna.csv", header=TRUE, sep=",")
dados.esaligna

str(dados.esaligna) 

head(dados.esaligna) 

summary(dados.esaligna) 


dados.esaligna2=dados.esaligna$tronco + dados.esaligna$folha 
dados.esaligna2


dados.esaligna2=data.frame(dados.esaligna) 
dados.esaligna2 ['biomassa2']=biomassa2 
dados.esaligna2
 

dados.esaligna.fin=data.frame (dados.esaligna2) 

dados.esaligna.fin ['areabasal']=((dados.esaligna$dap/2)^2)*pi 

dados.esaligna.fin 



dados.esaligna.10cm=dados.esaligna.fin[dados.esaligna.fin$dap>10,] 

dados.esaligna.10cm 


area.basal=by(dados.esaligna.10cm$areabasal, INDICES=dados.esaligna.10cm$talhao, FUN=sum) 

area.basal 


media.area.basal=by(dados.esaligna.10cm$areabasal, INDICES=dados.esaligna.10cm$talhao, FUN=mean)